
一场 Ignite 主题演讲中的七个 MAI 模型:MAI Code 2 究竟适合放在哪里
- Orca新OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 每百万 tokens
- tencent新Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 每百万 tokens
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百万 tokens · 89 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百万 tokens · 97 tok/s
- orca新Orca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百万 tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百万 tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 每百万 tokens · 87 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 每百万 tokens
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百万 tokens · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百万 tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百万 tokens · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百万 tokens · 118 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 每百万 tokens · 187 tok/s
Microsoft 在11月17日的 Ignite 2026 主题演讲中一次性将七款新模型搬上舞台,而开发者们将会争论的那一款是 MAI Code 2。它宣传的卖点不是分数,而是比例:Microsoft 自己的公告称,在四项编程基准测试中,它达到 Claude Opus 5.5性能的96%,成本仅为5%;并达到 GPT-6.1 Sol性能的98%,成本为40%。这些都是来自 Microsoft 内部评估工具的厂商数据,尚未被 Microsoft 以外的任何人复现,而且截至撰稿时,该模型在独立排行榜上还没有条目。不过,这次发布仍值得一读的原因在于:价格比例真实且可验证,模型卡异常具体,而分发范围比公告语气所暗示的要窄。
这次发布的整体轮廓是:发布了什么,各项宣称是从什么平均得出的,模型卡说了哪些博客文章没说的内容,成本是多少以及价格何时变化,还有为什么对预算来说重要的是编程模型,而不是这一组里最炫目的那个。
实际上宣布了什么
七款模型、一颗芯片、一个授权计划。这些模型包括:用于防御性安全工作的 MAI Cyber 2 Flash;用于编程的 MAI Code 2 和 MAI Code 2 Flash;用于图像生成与编辑的 MAI Image 2.7;用于实时语音转语音的 MAI Realtime 1;基于 MAI Transcribe 2 构建的 Dragon Copilot Transcribe;以及 Decision 1.1——微软称这款路由模型比 GPT-Sol 6.1 快 50 倍、便宜 79 倍。与此同时,微软将其第二代加速器 Maia 200 投入生产,并推出了 MAI Licensed Weights,允许组织在自己的 Azure 环境中运行定制化的 MAI 模型。

编程组合才是价值所在。MAI Code 2 是较大的模型,定位用于深度调试、多文件实现、仓库级推理和前端工作。MAI Code 2 Flash 则是较小的那个:代码解释、定向编辑、常规修复、快速迭代。Microsoft 的表述明确表示,这些是面向日常企业使用的模型,而非追逐前沿的模型,公告里两次这样说明。
Microsoft 主推的说法,以及它是什么的平均值
96% 和 98% 这两个数字是四项基准测试的平均值:DeepSWE 1.1、Terminal Bench 2.1、SWE Atlas 和 FrontierCode v1.1。其中三项在 MSBench(微软内部评估平台)上运行,使用 GitHub Copilot CLI 1.0.102 版本,禁用了子代理,并且所有模型均以最高推理强度运行。FrontierCode 部分则性质不同:这些分数和成本来自 Artificial Analysis,而非微软的测试框架。因此,这一主要数字是三项自行运行的测试与一项第三方测试的混合结果,然后以两家竞争对手平均值的百分比表示。

第二项主张紧挨着它,而这项主张最能说明 Microsoft 认为自己打造了什么。在涵盖界面、游戏、数据可视化、3D 场景和 SVG 图形的前端工作的盲测并排评估中,涉及 258 名标注员,评审员有 64% 的情况下更偏好 MAI Code 2 的输出,而不是 GPT-6 Sol 的输出。这是一项偏好研究,不是通过率,而看起来自信的 UI 代码很容易赢得偏好。这也是公告中唯一一项涉及品味而非正确性的主张,而在真实的产品团队里,品味正是低成本模型有可能胜过高成本模型的地方。
模型卡中提及但博客文章未提及的内容
24页的模型卡是更有用的文件,因为它包含买家需要而公告中省略的数字。
• 架构——一个仅解码器 Transformer,具有稀疏混合专家层和集成视觉编码器,两种模型均采用此架构
• 参数——MAI Code 2 总参数约 2.8 万亿,激活参数 770 亿,其中嵌入参数 30 亿;MAI Code 2 Flash 总参数约 3980 亿,激活参数 120 亿
• 训练——约50万亿个 token 的预训练,加上约1500亿个 token 的大模型长上下文扩展,全部在2026年8月至11月之间完成,知识截止日期为2026年8月
• 上下文与限制 — 1,050,000 个 token 的上下文,最大输入 922,000 个 token,最大输出 128,000 个 token,输入文本和图像,输出文本
• 推理控制——五档投入强度,从低到最高,在延迟、成本与质量之间进行权衡
• 已说明的限制——仅在发布时针对英文代码生成进行了优化,并未针对基础科学研究或超长周期智能体工作进行调优,也不适用于在无人类监督的情况下采取重大行动的完全自主系统
最后那句话才是诚实的,也是采购团队应该读两遍的一句话。微软并没有声称以折扣价提供通用的前沿模型。它声称的是一个擅长 GitHub Copilot 客户实际所做工作的编码模型,并且明确说明了该模型的能力边界在哪里。
你可以调用它的地方,范围比听起来要窄
MAI Code 2 和 MAI Code 2 Flash 均已登陆 GitHub Copilot:较大的模型覆盖 Copilot Pro、Pro+、Max、Business 和 Enterprise,而 Flash 则从 Free 层级起向上提供。MAI Code 2 Flash 还在 Microsoft Foundry 中以限量访问预览形式提供,可通过兼容 OpenAI 的 Responses API 调用。MAI Code 2 本身在发布时尚未在 Foundry 中部署。
这种不对称是埋在基准测试幻灯片之下的实际细节。如果你想在 Copilot 中使用 MAI Code 2,今天就可以用。如果你想从自己的应用、智能体框架或 CI 流水线中调用 MAI Code 2,却没有已发布的端点可供调用:这对模型中唯一具备 API 方案的是较小的那个,而且它还是预览版。微软表示第三方可用性即将到来;目前尚未发布任何内容,也没有给出日期。模型权重完全不分发,许可证是一套产品条款,而不是开源许可证。
费用是多少,以及价格翻倍的日期
Copilot 按 token 对这些模型计费,采用基于用量的计费模式;这两者目前均处于促销定价阶段,且已公布结束日期。
• MAI Code 2 — 每百万输入 token 0.50 美元,每百万缓存输入 0.025 美元,每百万输出 2.50 美元,直至 2027 年 5 月 17 日;自该日起,分别为 1.00 美元、0.05 美元和 5.00 美元
• MAI Code 2 Flash — $0.05、$0.005 和 $0.25,直至 2027 年 5 月 17 日;自该日起,$0.10、$0.01 和 $0.50
• Claude Opus 5.5,作为参照——每百万 token 输入 $4.00、缓存输入 $0.20、输出 $20.00
• GPT-6.1 Sol,作为参照——每百万 tokens 输入 $2.00、缓存输入 $0.10、输出 $10.00
把第一行和第三行放在一起读,算术就变得有意思了。按促销费率,MAI Code 2 的费用是 Claude Opus 5.5 每 token 价格的 12.5%,也是 GPT-6.1 Sol 的 25%。微软主打的数字是 成本的 5% 和 40%,而不是价格的 5% 和 40%。这些主打比例是四项基准测试中每项任务的成本,把每 token 费率与每个模型完成任务所消耗的 token 数合并在一起——而模型卡称,所有模型都以最高推理强度运行,此时 token 数量变化最大。
这两类数字之间的差距,才是应该带进预算讨论的东西。5% 的成本比叠加在 12.5% 的价格比之上,意味着 MAI Code 2 完成那些任务所花费的 token 大约是 Claude Opus 5.5 所花费的 40%。这是我对微软公布比率的算术推算,不是微软的声明,而且它指向的方向与常见的折扣叙事相反:节省更多来自模型更早停下来,而不是来自便宜的 token。混合输入输出费率最多只能让它成为粗略数字,但这个方向值得了解,因为便宜的 token 和便宜的任务不是同一个预算条目,只有任务级测量才能告诉你,你买的是哪一种。
为什么这是一次价格发布,而不是能力发布
发布材料中没有任何内容声称达到了新的业界顶尖水平。用微软自己的话说,这些模型"明确尚未针对更难的问题进行调优",模型卡还补充称,其对齐水平被评估为与 GPT-5.6 Sol 相近,但不如 GPT-6 对齐。这里展现的策略正是 Ignite 主题演讲中直言不讳的那一套:当模型的构建目的是推动科学前沿时,你会在每一次常规缺陷修复上为那份能力买单,所以不如构建一个擅长常规工作的模型,并据此定价。
这是否奏效,取决于一个 Microsoft 无法独自回答的问题。对比集合是 Microsoft 自家评测框架与两家竞争对手已公布配置之间的比较,而唯一独立的组成部分 FrontierCode,只是四个基准中的一个。第一方在自家评测框架上的通过率是合理的工程信号,却是微弱的采购信号。真正值得等待的数字,是中立的排行榜上的一行独立结果,由与答案没有利益关系的人运行,而且用的是 Microsoft 无人配置过的评测框架。
如何自行对比较进行定价

如今,MAI Code 2 和 MAI Code 2 Flash 都不在 OrcaRouter 的目录中;公开发布的路径是 GitHub Copilot,这意味着微软邀请你进行的比较目前无法在单一密钥上运行。而用于与之对比的模型则可以。Claude Opus 5.5、GPT-6.1 Sol 和 Gemini 4 Carbon 均按提供商标价、0% 加价在 OrcaRouter 上提供,因此这本账中昂贵的一侧如今就可以衡量,其每 token 费率会在供应商调价当天同步变动。如果便宜的一侧日后能在 Copilot 之外调用,那么这项比较就会从电子表格练习变成路由决策——而自动故障转移正是让性价比模型在尚未拥有独立业绩记录之前,就能安全进入生产路径的保障。
要关注的事项,按顺序如下:MAI Code 2 的独立基准测试行;大型模型在 Foundry 上的部署,而不只是 Flash 预览版;以及2027年5月17日,届时两个模型的价格都将翻倍。最后一项在日历上,这使它成为本次发布中唯一可以据此规划的部分。
本文中的对比2
根据本文内容识别 · 基准测试:Artificial Analysis · 每日更新
